买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利运维命令的处理方法、装置、设备、存储介质及程序产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120872679B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511403625.7，技术领域涉及：G06F11/07；该发明授权运维命令的处理方法、装置、设备、存储介质及程序产品是由刘程程;李锋;钟以冠设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本运维命令的处理方法、装置、设备、存储介质及程序产品在说明书摘要公布了：本申请公开了一种运维命令的处理方法、装置、设备、存储介质及程序产品，涉及服务器运维技术领域，包括将运维命令转化为操作行为图谱中的节点，通过图谱记录元数据间的关联关系，减少对人工经验的依赖，同时通过结构化的图谱分析避免配置错误、命令顺序不当等问题；基于图神经网络的风险预测模型，能利用图谱中运维命令元数据和关联关系的信息，对动态、复杂环境下的待执行命令进行精准风险概率计算，突破传统静态规则的局限；通过风险概率确定安全控制策略，可在命令执行前提供实时的风险评估与干预建议，有效预防系统中断、数据异常等问题，适应多平台、多角色、多任务并行的动态运维环境。

本发明授权运维命令的处理方法、装置、设备、存储介质及程序产品在权利要求书中公布了：1.一种运维命令的处理方法，其特征在于，包括： 获取待执行运维命令； 根据预先构建的操作行为图谱，确定所述待执行运维命令对应的目标元数据；其中，所述操作行为图谱以运维命令的操作行为事件的元数据为节点，以所述元数据之间的关联关系为边； 根据所述目标元数据和风险预测模型，得到所述风险预测模型输出的所述待执行运维命令的风险概率；其中，所述风险预测模型基于图神经网络构建，由样本命令及其风险概率训练得到； 根据所述风险概率确定所述待执行运维命令的安全控制策略； 所述根据预先构建的操作行为图谱，确定所述待执行运维命令对应的目标元数据之后，且所述根据所述目标元数据和风险预测模型，得到所述风险预测模型输出的所述待执行运维命令的风险概率之前，所述方法还包括： 若所述目标元数据为命令内容，则通过预训练的词向量word2vec模型或基于Transformer的双向编码器表示BERT模型从所述命令内容中提取文本向量，以将所述文本向量作为所述风险预测模型的输入； 若所述目标元数据为用户身份，则通过独热编码或权限等级映射确定所述用户身份的权限等级，以将所述权限等级作为所述风险预测模型的输入； 若所述目标元数据为执行路径，则将所述执行路径拆分成多个子单元；对各个子单元执行嵌入操作，得到所述各个子单元的嵌入向量；对所述各个子单元的嵌入向量进行平均，得到所述执行路径的路径分层特征向量，以将所述路径分层特征向量作为所述风险预测模型的输入； 若所述目标元数据为系统负载状态，则获取所述系统负载状态对应的资源网络核心指标；所述资源网络核心指标包括处理器负载、内存占用率和网络状态中的至少一种；对标准化后的所述资源网络核心指标进行拼接，得到系统负载状态向量，以将所述系统负载状态向量作为所述风险预测模型的输入； 所述风险预测模型包括嵌入层和多层感知器； 所述根据所述目标元数据和风险预测模型，得到所述风险预测模型输出的所述待执行运维命令的风险概率，包括：通过所述嵌入层获取所述目标元数据在相邻上一层的邻居节点向量；对各个所述邻居节点向量，根据所述相邻上一层的权重矩阵对所述邻居节点向量进行权重变换，其中权重矩阵在训练过程中自动学习不同邻居节点对当前节点的风险贡献权重；将权重变换后的所述邻居节点向量进行基于节点度的归一化处理并相加，得到相加结果；根据所述相加结果和激活函数，得到所述目标元数据的嵌入向量；通过所述多层感知器对所述嵌入向量进行非线性变化与映射，得到所述待执行运维命令的风险概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。